谷歌助手、苹果Siri、Samsung Electronics Bixby、OpenAI的ChatGPT等智能手机上的人工智能(AI)助手,在大型科技企业争相推进技术升级之下正变得越来越聪明。去年以ChatGPT为代表、以聊天机器人为主扩散的生成式AI服务,正发展为可通过语音和视觉(视觉信息)学习数据、与用户自然交流的多模态(多模型)个人助手。
谷歌14日(当地时间)举行年度开发者大会I/O,公开了新的AI助手“Project Astra”。与既有语音助手“谷歌助手”不同,Astra基于自研生成式AI模型“Gemini”,是可处理文本、语音乃至通过摄像头获取的视觉数据的多模态服务。在谷歌演示过程中,对于人用手机摄像头拍摄的任意物体——扬声器,Astra给出了“高音单元(tweeter)”这一产品名称,并以字幕和语音说明“它发出高音域的声音”这一特征。
谷歌计划在今年年底把Astra引入支持Gemini的应用程序等自家产品中。借此,预计将实现从Gmail、谷歌文档、日历等应用中获取用户信息、协助日程管理等助手功能。作为Astra计划的前一阶段,谷歌还计划在数月内推出同样具备多模态功能的“Gemini Live”。谷歌当天还一并公开了新的高性能多模态“Gemini 1.5 Pro”和轻量化多模态“Gemini 1.5 Flash”。公司表示,“人们很容易想象这样的未来:通过(搭载Astra的)智能手机或眼镜(眼镜型设备)拥有专家级AI助手”,并称“计划以Gemini生态的完成来加速AI创新”。
前一天,OpenAI也推出了可升级现有ChatGPT等语言模型类服务的新生成式AI多模态“GPT4o”。与既有语言模型“GPT4”相比,其最大特点是不仅能生成文本还能生成图像,今后还将支持通过语音和影像的对话功能,是多模态模型。它先于微软(MS)等既有盟友,率先支持macOS版PC应用,并推进与苹果的合作。年底还将支持MS Windows版应用。
据悉,苹果也将在下月举行的年度开发者大会WWDC上公布语音助手Siri在生成式AI方面的升级计划。苹果在下半年推出首款AI智能手机“iPhone16”之前,目前正与谷歌、OpenAI讨论合作,因此iPhone支持这两家公司高性能AI助手的可能性也受到预期。在韩国国内,Samsung Electronics近期宣布将在Bixby中引入生成式AI,并率先在家电产品上支持相关功能。Galaxy智能手机预计也将陆续获得支持。NAVER集团也在去年底为AI助手“HyperX”增加了多模态功能,以应对相关趋势。
AI助手,尤其是脱离聊天机器人形态的语音助手,不仅在智能手机上,在网络(IP)电视、AI音箱等多个领域的应用也在增加。过去AI音箱因识别率低、功能受限而逐渐被冷落,如今借助生成式AI性能大幅改善。具有代表性的是,SK电讯、KT、LG U+等三大通信公司正各自准备推出语音助手“媒体代理”,在难以进行文字对话的IPTV使用场景中推荐、搜索并播放内容。此外,SK电讯近期还推出了在政府机关等面向外国游客的翻译屏上搭载语音助手的解决方案“Trans Talker”,KT则在音箱“GiGA Genie”中搭载了自家AI模型“Mi:dm”。LG U+近期在IPTV中新增了“ixi语音搜索”。
近期作为另一语音助手技术趋势受到关注的“Rabbit R1”、“AI Pin”等专注AI助手功能的AI设备,是否也能受益于上述技术进步同样备受关注。如果这些设备积极利用日益进步的生成式AI技术,或可凭借便携性在智能手机市场中寻找缝隙;但反过来,如果谷歌、苹果、Samsung Electronics巩固以智能手机为中心的自家生态,这些设备将很难相较智能手机拥有特有优势。
目前谷歌、苹果、Samsung Electronics都以自家操作系统、应用、硬件等产品为中心运用生成式AI助手,而为AI Pin提供GPT4的OpenAI也首先与苹果、MS等推进GPT4o相关合作。提及谷歌新AI助手推出计划的外媒The Verge表示,“这对Rabbit R1、AI Pin这类设备可能是坏消息”。SK电讯此前曾与Humane签署业务合作备忘录(MOU),表示将把自研AI助手“A.”搭载到AI Pin并考虑在韩国推出,但据悉由于目前AI设备定位模糊,该计划正在慎重考虑中,短期内在韩国推出产品的可能性较低。






